Skip to main content

2019 | OriginalPaper | Buchkapitel

Using Audio Transformations to Improve Comprehension in Voice Question Answering

verfasst von : Aleksandr Chuklin, Aliaksei Severyn, Johanne R. Trippas, Enrique Alfonseca, Hanna Silen, Damiano Spina

Erschienen in: Experimental IR Meets Multilinguality, Multimodality, and Interaction

Verlag: Springer International Publishing

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Many popular form factors of digital assistants—such as Amazon Echo or Google Home—enable users to converse with speech-based systems. The lack of screens presents unique challenges. To satisfy users’ information needs, the presentation of answers has to be optimized for voice-only interactions. We evaluate the usefulness of audio transformations (i.e., prosodic modifications) for voice-only question answering. We introduce a crowdsourcing setup evaluating the quality of our proposed modifications along multiple dimensions corresponding to the informativeness, naturalness, and ability of users to identify key parts of the answer. We offer a set of prosodic modifications that highlight potentially important parts of the answer using various acoustic cues. Our experiments show that different modifications lead to better comprehension at the expense of slightly degraded naturalness of the audio.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Fußnoten
2
Experiments performed under Ethics Application BSEH 10–14 at RMIT University.
 
4
The emphasis feature is currently only available in the Google TTS and the implementation details are not specified in the SSML standard nor the documentation.
 
Literatur
1.
Zurück zum Zitat Chuklin, A., de Rijke, M.: Incorporating clicks, attention and satisfaction into a search engine result page evaluation model. In: CIKM (2016) Chuklin, A., de Rijke, M.: Incorporating clicks, attention and satisfaction into a search engine result page evaluation model. In: CIKM (2016)
3.
Zurück zum Zitat Cutler, A., Foss, D.J.: On the role of sentence stress in sentence processing. Lang. Speech 20, 1–10 (1977)CrossRef Cutler, A., Foss, D.J.: On the role of sentence stress in sentence processing. Lang. Speech 20, 1–10 (1977)CrossRef
4.
Zurück zum Zitat Filippova, K., Alfonseca, E., Colmenares, C.A., Kaiser, L., Vinyals, O.: Sentence compression by deletion with LSTMs. In: EMNLP (2015) Filippova, K., Alfonseca, E., Colmenares, C.A., Kaiser, L., Vinyals, O.: Sentence compression by deletion with LSTMs. In: EMNLP (2015)
5.
Zurück zum Zitat Kumar, A.J., Schmidt, C., Köhler, J.: A knowledge graph-based speech interface for question answering systems. Speech Commun. 92, 1–12 (2017)CrossRef Kumar, A.J., Schmidt, C., Köhler, J.: A knowledge graph-based speech interface for question answering systems. Speech Commun. 92, 1–12 (2017)CrossRef
6.
Zurück zum Zitat Mishra, T., Bangalore, S.: Qme!: a speech-based question-answering system on mobile devices. In: Proceedings of NAACL 2010, pp. 55–63 (2010) Mishra, T., Bangalore, S.: Qme!: a speech-based question-answering system on mobile devices. In: Proceedings of NAACL 2010, pp. 55–63 (2010)
7.
Zurück zum Zitat Mitra, B., Simon, G., Gao, J., Craswell, N., Deng, L.: A proposal for evaluating answer distillation from web data. In: Proceedings of the SIGIR 2016 WebQA Workshop (2016) Mitra, B., Simon, G., Gao, J., Craswell, N., Deng, L.: A proposal for evaluating answer distillation from web data. In: Proceedings of the SIGIR 2016 WebQA Workshop (2016)
8.
Zurück zum Zitat Nguyen, T., et al.: MS MARCO: a human generated machine reading comprehension dataset (2016) Nguyen, T., et al.: MS MARCO: a human generated machine reading comprehension dataset (2016)
9.
Zurück zum Zitat Pannekamp, A., Toepel, U., Alter, K., Hahne, A., Friederici, A.D.: Prosody-driven sentence processing: an event-related brain potential study. J. Cogn. Neurosci. 17, 407–421 (2005)CrossRef Pannekamp, A., Toepel, U., Alter, K., Hahne, A., Friederici, A.D.: Prosody-driven sentence processing: an event-related brain potential study. J. Cogn. Neurosci. 17, 407–421 (2005)CrossRef
10.
Zurück zum Zitat Philips, L.: The double metaphone search algorithm. C/C++ Users J. 18(6), 38–43 (2000) Philips, L.: The double metaphone search algorithm. C/C++ Users J. 18(6), 38–43 (2000)
11.
Zurück zum Zitat Rajpurkar, P., Zhang, J., Lopyrev, K., Liang, P.: SQuAD: 100,000+ questions for machine comprehension of text. In: EMNLP (2016) Rajpurkar, P., Zhang, J., Lopyrev, K., Liang, P.: SQuAD: 100,000+ questions for machine comprehension of text. In: EMNLP (2016)
12.
Zurück zum Zitat Ratcliff, J.W., Metzener, D.E.: Pattern matching: the gestalt approach. Dr. Dobb’s J. 13(7), 46 (1988) Ratcliff, J.W., Metzener, D.E.: Pattern matching: the gestalt approach. Dr. Dobb’s J. 13(7), 46 (1988)
13.
Zurück zum Zitat Sanderman, A.A., Collier, R.: Prosodic phrasing and comprehension. Lang. Speech 40(4), 391–409 (1997)CrossRef Sanderman, A.A., Collier, R.: Prosodic phrasing and comprehension. Lang. Speech 40(4), 391–409 (1997)CrossRef
14.
Zurück zum Zitat Whittaker, E.W.D., Mrozinski, J., Furui, S.: Factoid question answering with web, mobile and speech interfaces. In: NAACL (2006) Whittaker, E.W.D., Mrozinski, J., Furui, S.: Factoid question answering with web, mobile and speech interfaces. In: NAACL (2006)
Metadaten
Titel
Using Audio Transformations to Improve Comprehension in Voice Question Answering
verfasst von
Aleksandr Chuklin
Aliaksei Severyn
Johanne R. Trippas
Enrique Alfonseca
Hanna Silen
Damiano Spina
Copyright-Jahr
2019
DOI
https://doi.org/10.1007/978-3-030-28577-7_12

Premium Partner